Video: Resolviendo el rompecabezas de un patógeno nunca antes visto

Crédito: Oxford Sparks

Una nueva animación tiene como objetivo arrojar luz sobre el proceso científico que se lleva a cabo al abordar un patógeno nunca antes visto.

Hacer frente a un patógeno nunca antes visto como el que causa la COVID-19 es como armar un rompecabezas. Hay muchos parámetros diferentes para investigar antes de que el patógeno pueda entenderse por completo y antes de que se puedan implementar medidas de control efectivas. Entonces, ¿cómo hacen los científicos para resolver el rompecabezas y por qué es tan importante el modelado?

Una nueva animación, creada por la profesora Christl Donnelly y Oxford Sparks, pretende arrojar luz sobre el proceso científico que se lleva a cabo cuando nos encontramos ante un patógeno nuevo y desconocido, ya sea un virus, una bacteria o un prión.

Combinando datos y ecuaciones

Usando el conocimiento obtenido de brotes anteriores, los modeladores estadísticos combinan datos y ecuaciones para estimar el crecimiento de la epidemia, además de otros parámetros como la ‘tasa de letalidad’, la proporción de casos que mueren a causa de la enfermedad . Tales estimaciones no son sencillas, sobre todo debido a la enorme diversidad de características de los patógenos, incluso dentro de un solo grupo, como los coronavirus.

Por ejemplo, el virus que causó el Síndrome Respiratorio Agudo Súbito (SARS-CoV , identificado en 2003) condujo a una enfermedad clínica grave en todos los infectados. Muchos infectados con SARS-CoV-2h (el virus detrás de la pandemia actual) sin embargo, son asintomáticos.

Crédito: Imperial College London

Parece que las personas pueden transmitir el virus a otros mientras están asintomáticos (o en una etapa presintomática), lo que hace que sea más difícil de controlar. Esto también hace que sea más difícil estimar parámetros como la tasa de mortalidad por infección, ya que el número de casos asintomáticos, una estadística difícil de detectar, debe tenerse en cuenta durante los análisis.

Informar a los responsables políticos

Como Como muestra la animación, hay muchos parámetros importantes que describen cómo progresan las infecciones dentro de los individuos y se propagan a través de una población. El conocimiento de cada uno puede ayudar a informar las decisiones de los formuladores de políticas. número (R), que representa el número de individuos que, en promedio, serán infectados por una sola persona con la infección. Esta métrica se ha utilizado para evaluar el riesgo de infección e informar las políticas durante la pandemia actual.

La estimación de estos parámetros se complica aún más cuando los científicos se enfrentan a datos contradictorios, como los de otros países. Como se explica en la animación, «es fundamental comprender si eso se debe a otras enfermedades, a la variación del acceso a la atención médica o a los enfoques de detección».

En primera línea

Los científicos han estado la primera línea en la lucha contra el coronavirus no solo buscando una vacuna y tratamientos potenciales, sino también analizando datos, estimando parámetros y ejecutando los modelos que nos permiten tomar decisiones informadas sobre la mejor manera de controlar la pandemia.

La La nueva animación de Oxford Sparks, lanzada el 6 de agosto de 2020, fue creada con la Prof. Christl Donnelly, Profesora de Epidemiología Estadística en Imperial y Profesora de Estadística Aplicada en la Universidad de Oxford. Ella es Directora Asociada del Centro MRC para el Análisis Global de Enfermedades Infecciosas.

Explore más

Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por el Imperial College de Londres Cita: Video: Resolving the puzzle of an before never-vised path (2020, agosto 21) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-08-video-puzzle-previously-unseen-pathogen.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.